Buchumschlag

A Positive Case for Faithfulness: LLM Self-Explanations Help Predict Model Behavior

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mayne, Harry, Kang, Justin Singh, Gould, Dewi, Ramchandran, Kannan, Mahdi, Adam, Siegel, Noah Y.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Verbosity Tradeoffs and the Impact of Scale on the Faithfulness of LLM Self-Explanations
von: Siegel, Noah Y., et al.
Veröffentlicht: (2025)

The Probabilities Also Matter: A More Faithful Metric for Faithfulness of Free-Text Explanations in Large Language Models
von: Siegel, Noah Y., et al.
Veröffentlicht: (2024)

SPEX: Scaling Feature Interaction Explanations for LLMs
von: Kang, Justin Singh, et al.
Veröffentlicht: (2025)

Quantifying Positional Biases in Text Embedding Models
von: Lee, Reagan J., et al.
Veröffentlicht: (2024)

Can sparse autoencoders be used to decompose and interpret steering vectors?
von: Mayne, Harry, et al.
Veröffentlicht: (2024)

LLMs Don't Know Their Own Decision Boundaries: The Unreliability of Self-Generated Counterfactual Explanations
von: Mayne, Harry, et al.
Veröffentlicht: (2025)

An Odd Estimator for Shapley Values
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2026)

The Fair Value of Data Under Heterogeneous Privacy Constraints in Federated Learning
von: Kang, Justin, et al.
Veröffentlicht: (2023)

ProxySPEX: Inference-Efficient Interpretability via Sparse Feature Interactions in LLMs
von: Butler, Landon, et al.
Veröffentlicht: (2025)

SAGE: A Realistic Benchmark for Semantic Understanding
von: Goel, Samarth, et al.
Veröffentlicht: (2025)

EmbedLLM: Learning Compact Representations of Large Language Models
von: Zhuang, Richard, et al.
Veröffentlicht: (2024)

Adaptive Sparse Möbius Transforms for Learning Polynomials
von: Erginbas, Yigit Efe, et al.
Veröffentlicht: (2026)

Unsupervised Learning Approaches for Identifying ICU Patient Subgroups: Do Results Generalise?
von: Mayne, Harry, et al.
Veröffentlicht: (2024)

Local Explanations and Self-Explanations for Assessing Faithfulness in black-box LLMs
von: Fragkathoulas, Christos, et al.
Veröffentlicht: (2024)

FaithLM: Towards Faithful Explanations for Large Language Models
von: Chuang, Yu-Neng, et al.
Veröffentlicht: (2024)

Faithfulness Serum: Mitigating the Faithfulness Gap in Textual Explanations of LLM Decisions via Attribution Guidance
von: Alon, Bar, et al.
Veröffentlicht: (2026)

Faithful and Robust LLM-Driven Theorem Proving for NLI Explanations
von: Quan, Xin, et al.
Veröffentlicht: (2025)

Small Language Model Helps Resolve Semantic Ambiguity of LLM Prompt
von: Huang, Zhenzhen, et al.
Veröffentlicht: (2026)

Explanation-Driven Counterfactual Testing for Faithfulness in Vision-Language Model Explanations
von: Ding, Sihao, et al.
Veröffentlicht: (2025)

Faithful and Plausible Natural Language Explanations for Image Classification: A Pipeline Approach
von: Wojciechowski, Adam, et al.
Veröffentlicht: (2024)

The Effect of Model Size on LLM Post-hoc Explainability via LIME
von: Heyen, Henning, et al.
Veröffentlicht: (2024)

Towards Anytime-Valid Statistical Watermarking
von: Huang, Baihe, et al.
Veröffentlicht: (2026)

On Measuring Faithfulness or Self-consistency of Natural Language Explanations
von: Parcalabescu, Letitia, et al.
Veröffentlicht: (2023)

DeepFaith: A Domain-Free and Model-Agnostic Unified Framework for Highly Faithful Explanations
von: Guo, Yuhan, et al.
Veröffentlicht: (2025)

Illocutionary Explanation Planning for Source-Faithful Explanations in Retrieval-Augmented Language Models
von: Sovrano, Francesco, et al.
Veröffentlicht: (2026)

Neuro-Argumentative Learning with Case-Based Reasoning
von: Gould, Adam, et al.
Veröffentlicht: (2025)

SKATE, a Scalable Tournament Eval: Weaker LLMs differentiate between stronger ones using verifiable challenges
von: Gould, Dewi S. W., et al.
Veröffentlicht: (2025)

LLMs Can Covertly Sandbag on Capability Evaluations Against Chain-of-Thought Monitoring
von: Li, Chloe, et al.
Veröffentlicht: (2025)

Do LLM Self-Explanations Help Users Predict Model Behavior? Evaluating Counterfactual Simulatability with Pragmatic Perturbations
von: Hong, Pingjun, et al.
Veröffentlicht: (2026)

Faithfulness and the Notion of Adversarial Sensitivity in NLP Explanations
von: Manna, Supriya, et al.
Veröffentlicht: (2024)

Comparables XAI: Faithful Example-based AI Explanations with Counterfactual Trace Adjustments
von: Zhang, Yifan, et al.
Veröffentlicht: (2026)

Diffusion-CAM: Faithful Visual Explanations for dMLLMs
von: Zuo, Haomin, et al.
Veröffentlicht: (2026)

Walk the Talk? Measuring the Faithfulness of Large Language Model Explanations
von: Matton, Katie, et al.
Veröffentlicht: (2025)

AirTrafficGen: Configurable Air Traffic Scenario Generation with Large Language Models
von: Gould, Dewi Sid William, et al.
Veröffentlicht: (2025)

Learning to Understand: Identifying Interactions via the Möbius Transform
von: Kang, Justin S., et al.
Veröffentlicht: (2024)

Evaluating Readability and Faithfulness of Concept-based Explanations
von: Li, Meng, et al.
Veröffentlicht: (2024)

QGShap: Quantum Acceleration for Faithful GNN Explanations
von: Jena, Haribandhu, et al.
Veröffentlicht: (2025)

Can LLM-Generated Textual Explanations Enhance Model Classification Performance? An Empirical Study
von: Dhaini, Mahdi, et al.
Veröffentlicht: (2025)

Large language models can help boost food production, but be mindful of their risks
von: De Clercq, Djavan, et al.
Veröffentlicht: (2024)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
von: Yan, Ge, et al.
Veröffentlicht: (2025)